CN113190858A - 一种基于隐私保护的图像处理方法、系统、介质和设备 - Google Patents

一种基于隐私保护的图像处理方法、系统、介质和设备 Download PDF

Info

Publication number
CN113190858A
CN113190858A CN202110423905.XA CN202110423905A CN113190858A CN 113190858 A CN113190858 A CN 113190858A CN 202110423905 A CN202110423905 A CN 202110423905A CN 113190858 A CN113190858 A CN 113190858A
Authority
CN
China
Prior art keywords
image processing
model
training
image
result
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110423905.XA
Other languages
English (en)
Other versions
CN113190858B (zh
Inventor
秦波
王李笑阳
赵正朋
冯宁轩
陈政
连迪迪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Renmin University of China
Original Assignee
Renmin University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Renmin University of China filed Critical Renmin University of China
Priority to CN202110423905.XA priority Critical patent/CN113190858B/zh
Publication of CN113190858A publication Critical patent/CN113190858A/zh
Application granted granted Critical
Publication of CN113190858B publication Critical patent/CN113190858B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioethics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)
  • Facsimile Transmission Control (AREA)

Abstract

本发明属于图像处理技术领域，涉及一种基于隐私保护的图像处理方法、系统、介质和设备，包括以下步骤：S1将获得的图像数据随机分成若干份，并将每份数据存储到一个独立的服务器中，各服务器之间不共谋；S2各服务器单独对其分到的图像数据进行特征提取；S3将图像处理模型转化为2PC训练模型，并对2PC训练模型进行训练；S4将步骤S2中提取的特征代入步骤S3中获得的模型，生成模型训练结果，对训练结果进行解密，获得最终的图像处理结果。其通过将数据加密存储于若干台不共谋的服务器上，达到分散风险和容忍入侵的目的，并通过安全多方计算进行服务器之间的交互，在无可信第三方时，仍然安全地执行特征提取、模型训练和图像分类。

Description

一种基于隐私保护的图像处理方法、系统、介质和设备
技术领域
本发明涉及一种基于隐私保护的图像处理方法、系统、介质和设备，属于数据处理技术领域，特别是图像处理技术领域。
背景技术
随着信息技术的不断发展，以手写签字识别、人脸识别和指纹识别等为代表的图像处理技术不断进化，至今已经在刷脸支付、指纹解锁等多个领域得到应用。
通常在图像处理过程中，数据拥有者首先将图像数据发送给数据处理者，数据处理者进行特征提取以及模型训练，之后将模型返还给数据拥有者，因此数据拥有者同时也是模型拥有者。模型使用者可以申请使用数据拥有者的模型来进行图像分类。然而，由于模型使用者需要上传图像数据并调取预测接口得到预测结果，上传后的数据不受模型使用者控制，服务端可能会滥用数据甚至于买卖数据。同时，攻击者也可能通过获取已经训练完成的模型来推测用于训练的图像数据，因此在图像处理中引入原始数据即隐私保护机制。
目前用于图像处理的隐私保护方法主要为全同态加密方法，但目前的图像处理中的统计数据安全保护的主要目的是使攻击者在拥有图像数据库时依然无法识别个人数据，缺乏对数据本身和模型本身的保护。此外全同态加密消耗计算资源大，且使用全同态加密后密文长度长，因此系统效率较低。现有的隐私保护方法只针对某一特定的图形处理方法，不具有兼容性。
发明内容
针对上述问题，本发明的目的是提供用于一种基于隐私保护的图像处理方法、系统、介质和设备，其通过将数据加密存储于若干台不共谋的服务器上，达到分散风险和容忍入侵的目的，并通过安全多方计算进行服务器之间的交互，在无可信第三方的前提下，依然可以安全地执行特征提取、模型训练和图像分类。
为实现上述目的，本发明采取以下技术方案：一种基于隐私保护的图像处理方法，包括以下步骤：S1将获得的图像数据随机分成若干份，并将每份数据存储到一个独立的服务器中，各服务器之间不共谋；S2各服务器单独对其分到的图像数据进行特征提取；S3将图像处理模型转化为2PC训练模型，并对2PC训练模型进行训练；S4将步骤S2中提取的特征代入步骤S3中获得的模型，生成模型训练结果，对训练结果进行解密，获得最终的图像处理结果。
进一步，步骤S1中将图像数据随机分成两份，其分离方法为：随机生成一个与原图像A同维度的随机矩阵A1，再用A减去A1获得A2，从而将原图像A分成了A1和A2两部分。
进一步，步骤S2中采用Sift或卷积神经网络进行图像数据的特征提取。
进一步，步骤S3中具体操作过程为：S3.1将选定的图像处理模型中分类、训练问题转化为矩阵乘法和加法问题，将选定的图像处理模型中的激活函数转化为隐私保护模式；S3.2将选定的图像处理模型中运算转化为矩阵乘法和加法问题或隐私保护模式；S3.3通过安全多方计算方法对矩阵乘法和加法问题进行计算；S3.4根据步骤S2提取的特征，对经过转化的图像处理模型进行训练。
进一步，步骤S4中具体操作过程为：S4.1对步骤S2提取的特征进行加密，并将加密的特征上传到云端；S4.2将加密的特征代入步骤S3中获得的训练模型，并获得图像分类结果；S4.3输出图像分类结果和加密的特征；S4.4对图像分类结果和加密的特征进行解密，获得最终的图像处理结果。
进一步，采用半同态加密的方法对步骤S2提取的特征进行加密。
进一步，采用Paillier半同态加密的分类器获得图像分类结果。
本发明还公开了一种基于隐私保护的图像处理系统，包括：图像数据处理模块，用于将获得的图像数据随机分成若干份，并将每份数据存储到一个独立的服务器中，各服务器之间不共谋；特征提取模块，用于各服务器单独对其分到的图像数据进行特征提取；模型训练模块，用于将图像处理模型转化为2PC训练模型，并对2PC训练模型进行训练；图像分类模块，用于将特征提取模块中提取的特征代入模型训练模块中获得的模型，生成模型训练结果，对训练结果进行解密，获得最终的图像处理结果。
本发明还公开了一种存储一个或多个程序的计算机可读存储介质，一个或多个程序包括指令，指令当由计算设备执行时，使得计算设备执行根据上述任一项的基于隐私保护的图像处理方法。
本发明还公开了一种计算设备，包括：一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于执行根据上述任一项的基于隐私保护的图像处理方法。
本发明由于采取以上技术方案，其具有以下优点：
1、本发明通过将数据加密存储于若干台不共谋的服务器上，达到分散风险和容忍入侵的目的，并通过安全多方计算进行服务器之间的交互，在无可信第三方的前提下，依然可以安全地执行特征提取、模型训练和图像分类。
2、本发明采用加密的方式存放每一张图片信息并使用使用加密方式训练分类模型，保护了数据内容和模型。
3、本发明使用半同态加密和安全多方计算等方式进行模型训练和图像分类，避免了采用全同态加密导致的效率低下的问题。
4、本发明具有良好的兼容性，能够用于多种图像分类算法，为用户提供了多种选择。
附图说明
图1是本发明一实施例中基于隐私保护的图像处理方法的流程图；
图2是本发明一实施例中步骤S1和S2的流程图；
图3是本发明一实施例中设定图像处理模型的流程图；
图4是本发明一实施例中对图像处理模型进行训练的流程图；
图5是本发明一实施例中步骤给S4的流程图；
图6是本发明一实施例中指纹图像处理方法的流程图；
图7是本发明一实施例中手写签字图像处理方法的流程图；
图8是本发明一实施例中人脸图像处理方法的流程图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方向，通过具体实施例对本发明进行详细的描绘。然而应当理解，具体实施方式的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。在本发明的描述中，需要理解的是，所用到的术语仅仅是用于描述的目的，而不能理解为指示或暗示相对重要性。
本发明提供了一种基于隐私保护的图像处理方法、系统、介质和设备，其通过将图像分为若干份，将数据发送至不同的不共谋的服务器进行处理，并将半同态加密技术和2PC模型应用于图像处理中，保护了模型使用者和数据拥有者的隐私，为用户提供了图像识别领域的多种算法的接口，提高了图像处理系统的兼容性。下面结合附图，对本发明的技术方案进行详细阐述。
实施例一
本实施例公开了一种基于隐私保护的图像处理方法，如图1所示，包括以下步骤：
S1将获得的图像数据随机分成若干份，并将每份数据存储到一个独立的服务器中，各服务器之间不共谋。
如图2所示，首先对图像数据进行预处理，根据需求将各类图像数据转化为像素矩阵，并对图像数据进行标准化处理，使图像数据都处于同一设定的范围内。剔除明显不符合要求的图像数据。
本实施例中优选将图像数据随机分成两份，其分离方法为：随机生成一个与原图像A同维度的随机矩阵A1，再用A减去A1获得A2，从而将原图像A分成了A1和A2两部分。由于A1是随机生成的，所以无法单独通过A1或者A2获得原图A的完整信息。
S2各服务器单独对其分到的图像数据进行特征提取。
本实施例中优选采用Sift或卷积神经网络进行图像数据的特征提取，但也可以采用其他常规的特征提取方法。
S3将图像处理模型转化为2PC训练模型，并对2PC训练模型进行训练。
根据具体的图像类型选择图像处理模型，此处的图像处理模型可以是已知的模型，已经存储在程序中的模型也可以是用户自己建立的模型，并对选定模型的初始参数进行设定。如图3所示，其具体过程为：根据用户需求，选择所需图像处理模型并设定初始参数，在模型训练的过程中对初始参数进行调整，获得最佳参数值。根据设定的初始参数构建图像处理模型。并将该图像处理模型转化为2PC训练模型，并对获得的2PC训练模型进行训练，如图4所示，其具体过程为：
S3.1将选定的图像处理模型中分类、训练问题转化为矩阵乘法和加法问题，将选定的图像处理模型中的激活函数转化为隐私保护模式；
S3.2将选定的图像处理模型中运算转化为矩阵乘法和加法问题或隐私保护模式；
S3.3通过安全多方计算方法对矩阵乘法和加法问题进行计算；
S3.4根据步骤S2提取的特征，对经过转化的图像处理模型进行训练。
S4将步骤S2中提取的特征代入步骤S3中获得的模型，生成模型训练结果，对训练结果进行解密，获得最终的图像处理结果。
如图5所示，步骤S4中具体操作过程为：
S4.1对步骤S2提取的特征采用半同态加密进行加密，并将加密的特征上传到云端；
S4.2将加密的特征代入步骤S3中获得的训练模型，利用argmax协议搜寻最优解，并获得图像分类结果；
S4.3输出图像分类结果和加密的特征；
S4.4对图像分类结果和加密的特征进行解密，获得最终的图像处理结果。
实施例二
本实施例以指纹图像为例，对实施例一中的技术方案进行进一步阐述。如图6所示，指纹图像处理的方法为：
首先对指纹图像数据进行预处理，将图像数据转化为标准格式并删除明显不符合要求的图片。随后将图像数据分离为两个部分，将每一部分内容分别发送至一台模型训练服务器，两台模型训练服务器之间不共谋。任一台模型训练服务器接收到上传的数据后均使用sift算法进行特征提取，特征提取结果在经过半同态加密后保存至云端用于构造进行分类查询的K-D树。将K-D树代入训练好的图像处理模型进行特征提取，将提取的特征与指纹数据库中已有的指纹进行对比，输出比对结果。对返回的比对结果进行解密得到了指纹识别的最终结果。
实施例三
本实施例以手写签字图像为例，对实施例一中的技术方案进行进一步阐述。如图7所示，手写签字图像处理的方法为：
首先用户选定全连接神经网络作为图像处理模型，随后将手写签名图像数据分离为两个部分，将每一部分内容分别发送至一台数据处理器，两台数据处理器之间不共谋。任一数据处理器直接对图像处理模型进行训练，模型训练完成后将手写签字图像转换为向量的输入并加密。将经过加密的手写签字图像数据带入经过训练的模型，获得运算的加密结果。对返回的加密结果进行解密得到图像分类结果。
实施例四
本实施例以人脸识别图像为例，对实施例一中的技术方案进行进一步阐述。如图8所示，人脸识别图像处理的方法为：
首先用户选定全连接神经网络作为图像处理模型，随后将人脸识别图像数据分离为两个部分，将每一部分内容分别发送至一台数据处理器，两台数据处理器之间不共谋。任一数据处理器通过卷积特征对人脸识别图像数据进行特征提取，提取的特征用于训练图像处理模型，模型训练完成后，将经过训练的图像处理模型发送给用户，并使用经过训练的图像处理模型对人脸识别图像进行特征提取，将提取的特征发送至用户。用户使用模型进行分类后将结果返回给模型使用者。
实施例五
基于相同的发明构思，本实施例公开了一种基于隐私保护的图像处理系统，包括：
图像数据处理模块，用于将获得的图像数据随机分成若干份，并将每份数据存储到一个独立的服务器中，各服务器之间不共谋；
特征提取模块，用于各服务器单独对其分到的图像数据进行特征提取；
模型训练模块，用于将图像处理模型转化为2PC训练模型，并对2PC训练模型进行训练；特征提取模块和模型训练模块的数量与服务器的数量一致，即每一服务器中均设置有特征提取模块和模型训练模块。
图像分类模块，用于将特征提取模块中提取的特征代入模型训练模块中获得的模型，生成模型训练结果，对训练结果进行解密，获得最终的图像处理结果。
实施例六
基于相同的发明构思，本实施例公开了一种存储一个或多个程序的计算机可读存储介质，一个或多个程序包括指令，指令当由计算设备执行时，使得计算设备执行根据上述任一项的基于隐私保护的图像处理方法。
实施例七
基于相同的发明构思，本实施例公开了一种计算设备，包括：一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于执行根据上述任一项的基于隐私保护的图像处理方法。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。上述内容仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围。

Claims (10)

1.一种基于隐私保护的图像处理方法，其特征在于，包括以下步骤：
S1将获得的图像数据随机分成若干份，并将每份数据存储到一个独立的服务器中，各所述服务器之间不共谋；
S2各所述服务器单独对其分到的图像数据进行特征提取；
S3将图像处理模型转化为2PC训练模型，并对所述2PC训练模型进行训练；
S4将所述步骤S2中提取的特征代入步骤S3中获得的模型，生成模型训练结果，对所述训练结果进行解密，获得最终的图像处理结果。
2.如权利要求1所述的基于隐私保护的图像处理方法，其特征在于，所述步骤S1中将图像数据随机分成两份，其分离方法为：随机生成一个与原图像A同维度的随机矩阵A1，再用A减去A1获得A2，从而将原图像A分成了A1和A2两部分。
3.如权利要求1所述的基于隐私保护的图像处理方法，其特征在于，所述步骤S2中采用Sift或卷积神经网络进行图像数据的特征提取。
4.如权利要求1所述的基于隐私保护的图像处理方法，其特征在于，所述步骤S3中具体操作过程为：
S3.1将选定的图像处理模型中分类、训练问题转化为矩阵乘法和加法问题，将选定的图像处理模型中的激活函数转化为隐私保护模式；
S3.2将选定的图像处理模型中运算转化为矩阵乘法和加法问题或隐私保护模式；
S3.3通过安全多方计算方法对所述矩阵乘法和加法问题进行计算；
S3.4根据所述步骤S2提取的特征，对经过转化的图像处理模型进行训练。
5.如权利要求1所述的基于隐私保护的图像处理方法，其特征在于，所述步骤S4中具体操作过程为：
S4.1对所述步骤S2提取的特征进行加密，并将加密的特征上传到云端；
S4.2将加密的特征代入步骤S3中获得的训练模型，并获得图像分类结果；
S4.3输出所述图像分类结果和加密的特征；
S4.4对所述图像分类结果和加密的特征进行解密，获得最终的图像处理结果。
6.如权利要求5所述的基于隐私保护的图像处理方法，其特征在于，采用半同态加密的方法对所述步骤S2提取的特征进行加密。
7.如权利要求6所述的基于隐私保护的图像处理方法，其特征在于，采用Paillier半同态加密的分类器获得图像分类结果。
8.一种基于隐私保护的图像处理系统，其特征在于，包括：
图像数据处理模块，用于将获得的图像数据随机分成若干份，并将每份数据存储到一个独立的服务器中，各所述服务器之间不共谋；
特征提取模块，用于各所述服务器单独对其分到的图像数据进行特征提取；
模型训练模块，用于将图像处理模型转化为2PC训练模型，并对所述2PC训练模型进行训练；
图像分类模块，用于将特征提取模块中提取的特征代入模型训练模块中获得的模型，生成模型训练结果，对所述训练结果进行解密，获得最终的图像处理结果。
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至7任一项所述的基于隐私保护的图像处理方法。
10.一种计算设备，其特征在于，包括：一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至7任一项所述的基于隐私保护的图像处理方法。
CN202110423905.XA 2021-04-20 2021-04-20 一种基于隐私保护的图像处理方法、系统、介质和设备 Active CN113190858B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110423905.XA CN113190858B (zh) 2021-04-20 2021-04-20 一种基于隐私保护的图像处理方法、系统、介质和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110423905.XA CN113190858B (zh) 2021-04-20 2021-04-20 一种基于隐私保护的图像处理方法、系统、介质和设备

Publications (2)

Publication Number Publication Date
CN113190858A true CN113190858A (zh) 2021-07-30
CN113190858B CN113190858B (zh) 2024-02-02

Family

ID=76977680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110423905.XA Active CN113190858B (zh) 2021-04-20 2021-04-20 一种基于隐私保护的图像处理方法、系统、介质和设备

Country Status (1)

Country Link
CN (1) CN113190858B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114511705A (zh) * 2021-10-27 2022-05-17 中国银联股份有限公司 用于多方安全计算系统的生物特征提取方法及设备
TWI850800B (zh) 2021-10-27 2024-08-01 大陸商中國銀聯股份有限公司 用於多方安全計算系統的生物特徵提取方法及設備、電腦儲存媒介、電腦程式產品

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110249905A1 (en) * 2010-01-15 2011-10-13 Copanion, Inc. Systems and methods for automatically extracting data from electronic documents including tables
CN108717514A (zh) * 2018-05-21 2018-10-30 中国人民大学 一种机器学习中的数据隐私保护方法和系统
CN110011784A (zh) * 2019-04-04 2019-07-12 东北大学 支持隐私保护的knn分类服务系统及方法
CN110807484A (zh) * 2019-10-31 2020-02-18 福建师范大学 基于隐私保护vgg的密态图像识别方法及系统
US20200159961A1 (en) * 2017-12-28 2020-05-21 Ned M. Smith Privacy-preserving sanitization for visual computing queries
CN111314345A (zh) * 2020-02-19 2020-06-19 安徽大学 一种保护序列数据隐私方法、装置、计算机设备及存储介质
CN111563265A (zh) * 2020-04-27 2020-08-21 电子科技大学 一种基于隐私保护的分布式深度学习方法
CN111723395A (zh) * 2020-05-11 2020-09-29 华南理工大学 一种人像生物特征隐私保护与解密方法
CN112182649A (zh) * 2020-09-22 2021-01-05 上海海洋大学 一种基于安全两方计算线性回归算法的数据隐私保护系统
CN112395643A (zh) * 2020-11-23 2021-02-23 中国人民大学 一种神经网络的数据隐私保护方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110249905A1 (en) * 2010-01-15 2011-10-13 Copanion, Inc. Systems and methods for automatically extracting data from electronic documents including tables
US20200159961A1 (en) * 2017-12-28 2020-05-21 Ned M. Smith Privacy-preserving sanitization for visual computing queries
CN108717514A (zh) * 2018-05-21 2018-10-30 中国人民大学 一种机器学习中的数据隐私保护方法和系统
CN110011784A (zh) * 2019-04-04 2019-07-12 东北大学 支持隐私保护的knn分类服务系统及方法
CN110807484A (zh) * 2019-10-31 2020-02-18 福建师范大学 基于隐私保护vgg的密态图像识别方法及系统
CN111314345A (zh) * 2020-02-19 2020-06-19 安徽大学 一种保护序列数据隐私方法、装置、计算机设备及存储介质
CN111563265A (zh) * 2020-04-27 2020-08-21 电子科技大学 一种基于隐私保护的分布式深度学习方法
CN111723395A (zh) * 2020-05-11 2020-09-29 华南理工大学 一种人像生物特征隐私保护与解密方法
CN112182649A (zh) * 2020-09-22 2021-01-05 上海海洋大学 一种基于安全两方计算线性回归算法的数据隐私保护系统
CN112395643A (zh) * 2020-11-23 2021-02-23 中国人民大学 一种神经网络的数据隐私保护方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
庞子卯: "基于内容的图像安全检索技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 07, pages 138 - 76 *
许世聪: "隐私保护卷积神经网络前向传播方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 02, pages 138 - 168 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114511705A (zh) * 2021-10-27 2022-05-17 中国银联股份有限公司 用于多方安全计算系统的生物特征提取方法及设备
WO2023071812A1 (zh) * 2021-10-27 2023-05-04 中国银联股份有限公司 用于多方安全计算系统的生物特征提取方法及设备
TWI850800B (zh) 2021-10-27 2024-08-01 大陸商中國銀聯股份有限公司 用於多方安全計算系統的生物特徵提取方法及設備、電腦儲存媒介、電腦程式產品

Also Published As

Publication number Publication date
CN113190858B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
Liu et al. Recent advances of image steganography with generative adversarial networks
WO2020207189A1 (zh) 身份验证方法、装置、存储介质和计算机设备
Khammari Robust face anti‐spoofing using CNN with LBP and WLD
CN113766085B (zh) 图像处理方法及相关装置
CN111339897B (zh) 活体识别方法、装置、计算机设备和存储介质
CN113298158B (zh) 数据检测方法、装置、设备及存储介质
WO2023071812A1 (zh) 用于多方安全计算系统的生物特征提取方法及设备
WO2023142453A1 (zh) 生物特征识别方法、服务器以及客户端
CN114596639B (zh) 一种生物特征识别方法、装置、电子设备及存储介质
CN113190858B (zh) 一种基于隐私保护的图像处理方法、系统、介质和设备
Yang et al. Accurate image-based pedestrian detection with privacy preservation
Manisha et al. CBRC: a novel approach for cancelable biometric template generation using random permutation and Chinese Remainder Theorem
CN113807258A (zh) 一种基于神经网络与dct变换的加密人脸识别方法
Feng et al. Tensor-based big biometric data reduction in cloud
Jasmine et al. A privacy preserving based multi-biometric system for secure identification in cloud environment
CN116108412A (zh) 人脸身份认证方法、装置、设备、存储介质及程序产品
CN106780668B (zh) 一种实现用户个人信息数据标签可视化展示的方法、系统及移动设备
CN115426189A (zh) 一种基于大数据的信息安全防护方法和系统
CN114863430A (zh) 一种人口信息自动纠错方法、设备及其存储介质
CN116933301A (zh) 一种人脸边缘智能应用部分微调隐私保护模型与方法
CN115966030A (zh) 图像处理方法、装置及智能终端
CN113762055A (zh) 图像处理方法、装置、电子设备及可读存储介质
Wen et al. Differential Private Identification Protection for Face Images
Ghani et al. Toward robust and privacy-enhanced facial recognition: A decentralized blockchain-based approach with GANs and deep learning
Sun et al. Presentation attacks in palmprint recognition systems

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant